治疗青光眼的新突破 运用AI分析视觉功能测试

青光眼是世界上第二大失明缘由，年龄超过40岁，3.5％受青光眼影响。 2010年，有6050万人受到这种疾病的影响，预计到2020年这一数字将增长到8000万。虽然现有的治疗方法能够防止疾病恶化，可是恢复视力是不可能的。所以，早期发现和及时治疗是临床青光眼的重要问题。

IBM研究和纽约大学经过如下主要编辑对“青光眼疗法”进行了一项研究。

视野测试反映了患者在整个视觉空间的视野范围，并用于诊断各类疾病。例如，由青光眼引发的视神经损伤可致使上视野和下视野中的特征性视野缺陷。虽然其余条件能够以相似青光眼的方式影响视网膜结构，可是对视力的影响一般是很是不一样的。所以，这些测试是诊断的一个组成部分。

然而，因为这些测试彻底依赖于患者反馈，所以患者的警觉性是主观的。众所周知，时间测试是影响患者表现的因素之一，早上的状态比中午好。所以，一我的可能须要屡次测试以准确测量任何视力丧失。

从生物学的角度来看，咱们知道视觉功能与视网膜结构有关。这里出现了一个有趣的问题：咱们能够经过非侵入性成像直接从眼结构估计视觉功能吗？答案是确定的，由于IBM的研究人员已经找到了有关视网膜成像数据的信息，以帮助评估青光眼的存在。

IBM研究与纽约大学合做采用数据驱动方法，利用深度学习技术探索这一问题，之前所未有的精度从单一光学相干断层扫描（OCT）图像中估算视场指数（VFI），并进行Pearson相关系数为0.88。 VFI是一个表明整个视野的国际指针。它经过人工智能精确捕获，为将来可能使用此分析快速评估患者视觉功能的bet8导航技术奠基了基础。这使得专业人员在诊断青光眼采集时能够得到更准确的信息，而无需进行屡次耗时的测试。

传统的OCT结构测量，例如视网膜神经纤维层（RNFL）厚度和神经节细胞内丛状层（GCIPL）厚度，不能用已知的青光眼靶位置来实现。研究代表，OCT捕获的体系结构测量包含与功能测量高度相关的信息，这在专业人员寻求诊断方法时很是有用。

青光眼的另外一个重要挑战是速度的恶化，这须要仔细分析屡次访问的数据。 IBM研究已经经过机器学习解决了这个问题，代表可预测的视觉功能测试结果以供未来访问。有一天，这种能力将帮助专业人员更好地预测疾病的发生和发展并调整治疗方案。